| 한글제목(Korean Title) |
유방암 생존 예측: 모델 비교 및 유전적 특성의 효과 |
| 영문제목(English Title) |
Breast Cancer Survival Prediction: Model Comparison and Effect of Genetic Features |
| 저자(Author) |
윤성욱
정재균
우혜경
김정은
Sunguk Yun
Jaekyun Jeong
Hyekyung Woo
Jungeun K
|
| 원문수록처(Citation) |
VOL 38 NO. 01 PP. 0003 ~ 0015 (2022. 04) |
한글내용
(Korean Abstract) |
유방암은 여성 암 발생 중 20.5%로 1위를 차지하고 있다. 유방암은 병기가 진행될수록 생존율이 급격하게 감소하기 때문에, 조기 진단이 매우 중요하다. 따라서 종양학 분야에서는 유방암의 조기 진단과 함께 유방암의 예후를 예측하는 것이 매우 중요한 연구 문제로 인식되어 왔다. 본 논문에서는 다양한 머신러닝 모델과 딥러닝 모델을 통해 유방암 생존 예측 성능을 비교 분석하고, 전체 데이터를 임상적 특성과 유전적 특성으로 비교 평가하여 유전적 특성이 유방암 생존 예측에 미치는 영향을 분석하였다. 실제 유방암 데이터인 METABRIC 데이터셋을 통해 유방암 예후와 관련된 주요 요인들을 도출하였고, 유방암 생존 예측에서 임상적 특성뿐 아니라 유전적 특성을 함께 고려하는 것이 중요하다는 것을 실험적으로 보였다.
|
영문내용
(English Abstract) |
Breast cancer ranks first, accounting for 20.5% of female cancers. Early diagnosis is very important because the survival rate of breast cancer rapidly decreases as the stage progresses. Therefore, in the field of oncology, early diagnosis of breast cancer and prediction of the prognosis of breast cancer have been recognized as a very important research problem. In this paper, the breast cancer survival prediction performance was comparatively analyzed through various machine learning and deep learning models, and the effect of genetic features on breast cancer survival prediction was analyzed by comparing and evaluating the entire data with clinical features and genetic features. Main factors related to breast cancer prognosis were derived from the METABRIC dataset, which is widely used breast cancer data, and experimentally proved that it is important to consider genetic as well as clinical characteristics in breast cancer survival prediction. |
| 키워드(Keyword) |
유방암 생존 예측
머신러닝
딥러닝
특성 선택
메타브릭 데이터셋
Breast Cancer Survival Prediction
Machine Learning
Deep Learning
METABRIC dataset
|
| 파일첨부 |
PDF 다운로드
|
